BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city logistics menjadi aspek penting dalam pembangunan perkotaan karena city logistics yang baik dapat memberikan dampak yang baik terhadap pertumbuhan ekonomi di daerah perkotaan. City logistics menurut Taniguchi dkk. (1999) adalah suatu proses optimasi menyeluruh terhadap aktivitas logistik di perkotaan yang mempertimbangkan traffic environment, traffic congestion, dan energy saving di dalam framework market economy. Taniguchi dkk. (2000) dan (2001) juga melakukan penelitian yang hasilnya mengatakan bahwa terdapat kaitan erat antara logistik dan transportasi. Penelitian lain yang dilakukan oleh Tseng dkk. pada tahun 2005 mengungkapkan bahwa transportasi memiliki kontribusi tertinggi dalam komponen biaya logistik dibandingkan dengan komponen biaya lainnya. Proporsi biaya transportasi dan komponen biaya lain dalam biaya logistik dapat dilihat pada gambar 1.1 di bawah ini. Gambar 1.1 Cost Ratio of Logistics Items (Tseng, dkk., 2005) Berdasarkan hasil penelitian Tseng, dkk. (2005) tersebut, dengan meminimalisir biaya transportasi maka total biaya logistik juga dapat diminimalisir. Terdapat berbagai cara untuk meminimalisir biaya transportasi, salah satunya dengan 1

2 2 penentuan rute transportasi logistik yang optimal. Permasalahan penentuan rute atau Vehicle Routing Problem merupakan pengiriman sejumlah demand kepada konsumen dari depot pusat dan kembali lagi ke depot pusat menggunakan sejumlah kendaraan yang memiliki kapasitas yang sama. Pengiriman diselesaikan dengan total biaya minimum dengan asumsi struktur biaya simetris. Dantzig dan Ramzer (1959) merupakan orang yang pertama kali memperkenalkan Vehicle Routing Problem (VRP) ini. Vehicle Routing Problem dapat diselesaikan dengan beberapa metode seperti, metode eksak dan metode pendekatan baik heuristik maupun metaheuristik. Metode yang digunakan dalam melakukan penyelesaian VRP memiliki kelebihan dan kekurangan masing-masing. Metode eksak memiliki kelebihan berupa solusi yang didapat merupakan global optimum, namun kekurangan dari metode ini menurut Toth dan Vigo (2002) adalah tidak mungkin digunakan dalam permasalahan yang kompleks dengan ukuran input yang besar dengan ketersediaan waktu yang terbatas karena dibutuhkan waktu yang lama dalam menemukan solusi global optimum. Kekurangan metode eksak tersebut juga dibuktikan oleh Boole (2015) pada penelitiannya yang menyelesaikan VRP menggunakan metode eksak yaitu algoritma branch and bound. Metode eksak dengan algoritma branch and bound terbatas sampai 25 nodes, karena pada penelitian Boole (2015) algoritma branch and bound yang ia susun untuk menyelesaikan kasus dengan 58 nodes menggunakan software LINGO 13.0 program mengalami error karena melebihi kapasitas kemampuan komputasi. Metode pendekatan baik heuristik maupun metaheuristik juga memiliki kelebihan dan kekurangan. Kelebihan metode pendekatan baik heuristik dan metaheuristik adalah dapat mengakomodasi kasus kompleks yang memiliki ukuran input yang besar dan ruang solusi yang luas dengan waktu perhitungan yang relatif lebih cepat dibandingkan metode eksak. Kekurangan metode pendekatan adalah solusi yang dihasilkan belum tentu merupakan global optimum, bahkan untuk metode heuristik solusi yang dihasilkan sering terjebak di local optimum, sedangkan untuk metode metaheuristik yang merupakan pengembangan dari metode heuristik dapat menghasilkan solusi yang lebih baik. Menurut Purnomo

3 3 (2014) metode metaheuristik dapat menghasilkan solusi pada jarak 5% dari global optimum dalam batas waktu tertentu. Kasus VRP diklasifikasikan sebagai NP-hard optimization problem yang termasuk dalam kasus kompleks karena melibatkan jumlah variabel input yang besar dan memiliki ruang lingkup solusi yang luas, sehingga metode pendekatan baik heuristik dan metaheuristik lebih sesuai untuk digunakan dalam penyelesaian kasus VRP. Penyelesaian kasus VRP pada penentuan rute untuk distribusi logistik menggunakan metode metaheuristik sudah pernah dibahas sebelumnya. Yoza dkk (2013), Putra (2015), Rensyta (2015), Iswari (2015), Jatiningrum (2015), dan Rahayuningtyas (2015) menggunakan metode metaheuristik untuk menyelesaikan kasus VRP pada pendistribusian bahan pokok. Penelitian lain juga membahas metode metaheuristik untuk menyelesaikan kasus VRP pada pendistribusian non bahan pokok. Kumbharana dan Pandey (2003), Rahmat (2006), Setiawan dkk. (2012), Soenandi dkk. (2014) membandingkan performa beberapa metode metaheuristik dalam menyelesaikan kasus VRP pada permasalahan logistik. Kumbharana dan Pandey (2003) membandingkan performa dari ACO, GA, dan SA namun kasus yang diangkat untuk perbandingan adalah kasus yang lebih sederhana dari VRP yaitu TSP. Rahmat (2006) membandingkan performa dari GA, Multiple Ant Colony System, dan Tabu Search dalam menyelesaikan kasus VRP with Time Windows, namun perbandingan yang dilakukan hanya dalam 1 skenario jumlah nodes yaitu 50 nodes. Setiawan dkk. (2012) membandingkan performa dari ACO, Disjktra, Tabu Search, dan Multiple Ant Colony System dalam menyelesaikan kasus VRP with Time Windows, namun perbandingan yang dilakukan masih sebatas kualitatif dengan menelaah berbagai referensi yang ada. Soenandi dkk. (2014) membandingkan performa GA, ACO, PSO, dan Cross Entropy dalam menyelesaikan kasus VRP, namun dalam perbandingannya Soenandi dkk. Hanya membandingkan satu skenario dengan jumlah nodes 10. Berdasar penelitian yang telah dilakukan sebelumnya telah dibuktikan bahwa metode metaheuristik mampu menyelesaikan kasus VRP. Masing-masing metode metaheuristik memiliki kelebihan dan kekurangan dalam menyelesaikan kasus

4 4 VRP, sehingga dibutuhkan suatu decision support system agar dapat dengan tepat memilih metode yang akan digunakan dalam menyelesaikan suatu kasus VRP. Penelitian ini akan mengembangkan suatu decision support system yang dapat membandingkan performa beberapa algoritma metode metahueristik dalam menyelesaikan kasus VRP dalam aplikasi penentuan rute optimal untuk logistik. Hasil yang diharapkan dari penelitian ini adalah didapatkan sebuah decision support system metode metaheuristik yang dapat membandingkan performansi beberapa algoritma metode metaheurisrik, sehingga dapat diketahui algoritma mana yang paling sesuai untuk menyelesaikan kasus VRP dalam aplikasi penentuan rute optimal untuk logistik. 1.2 Rumusan Masalah Berdasar latar belakang yang telah dijelaskan di atas, didapatkan rumusan masalah dalam penelitian ini adalah: 1. Bagaimana performansi solusi dari Genetic Algorithm (GA), Simulated Annealing (SA), Particle Swarm Optimization (PSO), dan Ant Colony (ACO) dalam menyelesaikan kasus VRP distribusi bahan pokok di Yogyakarta. 2. Perlu adanya sebuah decision support system dalam pemilihan algoritma metode metaheuristik yang paling tepat antara Genetic Algorithm (GA), Simulated Annealing (SA), Particle Swarm Optimization (PSO), dan Ant Colony (ACO) dalam menyelesaikan kasus VRP distribusi bahan pokok di Yogyakarta. 1.3 Asumsi dan Batasan Masalah Asumsi dan batasan yang digunakan dalam penelitian ini adalah sebagai berikut: 1. Produk yang didistribusikan ke konsumen merupakan bahan pokok berupa beras, gula pasir, dan minyak goreng. 2. Data set yang digunakan dalam penelitian ini adalah data set dari salah satu perusahaan retailer yang beroperasi di Yogyakarta dan sekitarnya.

5 5 3. Kapasitas kendaraan yang digunakan untuk distribusi dianggap full truck load. 4. Jumlah kendaraan yang digunakan untuk pengiriman tidak terbatas. 5. Skenario yang digunakan untuk perbandingan adalah skenario kasus dimana hanya memiliki 10 nodes, 20 nodes, 30 nodes, 40 nodes hingga skenario kasus dimana terdapat 50 nodes yang harus dikunjungi. 6. Parameter yang digunakan dalam model genetic algorithm, particle swarm optimization, ant colony optimization, dan simulated annealing didapatkan dari design of experiment (DOE). 7. Fokus penelitian ini adalah membangun decision support system untuk membantu membandingkan performansi solusi dari metode genetic algorithm, particle swarm optimization, ant colony optimization, dan simulated annealing. 8. Loading dan unloading time tidak diperhitungkan dalam penelitian ini. 9. Kondisi jalan seperti kemacetan tidak diperhitungkan dalam penelitian ini. 1.4 Tujuan Penelitian Tujuan yang ingin dicapai melalui penelitian ini adalah: 1. Membandingkan performansi solusi dari metode genetic algorithm, particle swarm optimization, ant colony optimization, dan simulated annealing dalam menyelesaikan VRP. 2. Mengembangkan sebuah decision support system dalam pemilihan algoritma metode metaheuristik yang paling tepat antara Genetic Algorithm (GA), Simulated Annealing (SA), Particle Swarm Optimization (PSO), dan Ant Colony (ACO) dalam menyelesaikan kasus VRP distribusi bahan pokok. 1.5 Manfaat Penelitian Manfaat yang didapat setelah penelitian ini selesai adalah didapatkan sebuah decision support system untuk membandingkan performansi dari genetic algorithm, particle swarm optimization, ant colony optimization, dan simulated annealing

6 6 dalam menyelesaikan vehicle routing problem sebagai alat bantu dalam pengambilan keputusan agar didapatkan algoritma yang paling sesuai untuk menyelesaikan kasus dan didapatkan rute paling optimal.